Por qué la atribución de marketing B2B tradicional no funciona y qué puede hacer al respecto
Publicado: 2022-04-11Dígame que los informes de atribución de marketing B2B no funcionan sin decirme que los informes de atribución de marketing B2B no funcionan...
Esta es una de las muchas solicitudes de cotización en las que el mensaje que apareció en Session Media no se alineó con la fuente de atribución concluida por Google Analytics o HubSpot.
Y no soy solo yo: he hablado con muchos especialistas en marketing que descubren que sus datos no reflejan cómo el usuario realmente se enteró de ellos. La lucha es real, incluso para las marcas de SaaS como Cognism, que se enfrentan a muchas consultas entrantes.
Entonces, hablemos sobre los problemas del seguimiento B2B digital tradicional y cómo puede usar Supermetrics para ayudar a optimizar sus esfuerzos de generación de demanda en nuestro canal social B2B favorito: LinkedIn.
Pero primero, ¿qué es la atribución B2B?
¿Qué son los modelos de atribución B2B?
Antes de profundizar en los problemas detrás de la atribución B2B, recapitulemos sobre los diferentes tipos de modelos de atribución que usamos para informar el éxito de marketing.
último clic
La atribución del último clic se refiere a un modelo de análisis web en el que se otorga crédito al "último clic" por una conversión o una venta. Este es el modelo de atribución predeterminado para Google Analytics y la mayoría de los datos de CRM.
Tiempo en decaida
La atribución de disminución del tiempo es un modelo de atribución multitoque que otorga crédito a cada "punto de contacto", pero lo pondera más hacia el punto de último contacto.
Lineal
La atribución lineal distribuye el crédito por la conversión por igual entre todas las interacciones.
basado en la posición
El modelo de atribución basado en la posición otorga crédito a todos los puntos de contacto a lo largo del viaje de conversión, pero asigna la mayoría al primer y último clic.
Primer clic
La atribución del primer clic es un modelo de atribución que asigna el 100 % del crédito por un cliente potencial o una conversión al primer canal en el que hizo clic un usuario.
El problema de los modelos de atribución
En teoría, estos modelos tienen mucho sentido y deberían responder todas las preguntas que tenemos sobre cómo los usuarios interactúan con nuestra marca.
Así es como la mayoría del software de análisis como Google Analytics y los sistemas de CRM como HubSpot y Salesforce están configurados de forma predeterminada, lo que refuerza la credibilidad del modelo de atribución.
Es casi perfecto.
Solo hay un problema principal que abre un agujero en lo que debería ser un sistema de atribución perfecto.
No es así como compran los compradores B2B.
De vez en cuando, obtenemos un viaje de usuario rastreado como el anterior, restaurando la confianza en el seguimiento de múltiples puntos de contacto.
Si bien esto puede ofrecer una gran idea de qué contenido está funcionando, el problema radica en mirar estos datos de forma aislada para tomar decisiones informadas sobre cómo escalar su presupuesto de marketing.
Por ejemplo, si está publicando un anuncio de video en LinkedIn, es posible que el usuario no siempre haga clic en su anuncio, pero es posible que haya visto los 4 minutos completos de contenido. Más tarde, llegan a su sitio web y completan un formulario de alta intención, y se clasifican como una conversión "directa".
Por lo que hemos visto y probado, este es el viaje típico de un comprador. Pero como no cae en los informes de última atribución predeterminados como 'LinkedIn', el enfoque de datos y marketing se queda en el camino.
Peor aún, la actividad no rastreable que genera resultados es reemplazada por actividad rastreable que no lo hace. Por ejemplo, el video se reemplaza por anuncios con imágenes estáticas que llevan al usuario a un anuncio "Obtener demostración" por la única razón de que el ROI es más fácil de rastrear.
En un mundo rico en información, las conversiones B2B en un primer punto de contacto son cada vez más raras.
La mayor parte de la actividad que justifica llevar a los usuarios a su sitio web (para leer blogs, estudios de casos, podcasts) rara vez será la fuente de clientes potenciales de respuesta directa. Lo que significa que rara vez recibirán atribución por una venta.
Una vez más, gran parte de su público objetivo no serán los que realmente se pongan en contacto. En su lugar, envían la información a otra persona que completará el formulario 'Obtener cotización' o 'Obtener demostración'.
Esto se conoce como social oscuro o embudo oscuro.
Dark social involucra toda la actividad no rastreada que ocurre en plataformas como Slack, WhatsApp, DM, que no son tan fáciles de rastrear.
Un ejemplo reciente de esto en acción es nuestro jefe de PPC, Alex, vio varios anuncios de LinkedIn para una nueva pieza de software de bloqueo de IP, que pensó que ayudaría con el funcionamiento diario de nuestra agencia de PPC. Me envió el nombre de la marca a través de Slack, y el mismo día teníamos una licencia paga.
Lo curioso es que el anuncio de LinkedIn que vio no habría obtenido crédito por estos ingresos. Habría caído en 'Búsqueda orgánica', ya que así es como busqué la marca y pagué por el software.
Cómo atribuir al embudo oscuro
Hay algunas maneras de arreglar esto. La forma más sencilla es llevar el marketing a lo básico y preguntar a los usuarios cómo se enteraron de su empresa. Aquí hay un ejemplo de nuestro campo obligatorio.
Si lo deja como un campo de texto abierto, se sorprenderá de la cantidad de información que el usuario le brinda sobre cómo se enteró de su marca.
Luego puede configurar algunas reglas automatizadas en su CMS que actualicen la atribución con las palabras clave que los usuarios han usado en ese campo.
Anuncios de LinkedIn en Google Data Studio
Ahora a lo bueno.
Mediante el uso de la integración de Supermetrics con Google Data Studio, hemos desarrollado un método para informar el impacto más amplio que tienen los anuncios de LinkedIn en los resultados finales.
Mira cómo lo hacemos en este video paso a paso.
Empezar
Pruebe los anuncios de LinkedIn con Google Data Studio gratis durante 14 días
Envolver
LinkedIn Ads no es un canal de "intención", por lo que no debería publicar anuncios de alta intención. En su lugar, puede usar su orientación hiperespecífica para ofrecer contenido que resuene, y luego ver qué empresas llegan como tráfico 'Directo' o 'Búsqueda orgánica' que han visto sus anuncios. Y use estos datos para escalar.
Sobre el Autor
Ben Brown es el fundador de Session Media, una agencia de marketing de SaaS. Al vivir de burritos y su tarjeta de café Pret-a-Manger, a Ben le encanta ayudar a las empresas B2B SaaS a crear estrategias que impulsen el crecimiento empresarial, casi tanto como le gusta referirse a sí mismo en tercera persona.